सांख्यिकी में फैलाव का मापन

सांख्यिकी में फैलाव का मापन

सांख्यिकी आंकड़ों के संग्रह, विश्लेषण, व्याख्या और प्रस्तुतिकरण का अध्ययन है। सांख्यिकी का एक महत्वपूर्ण पहलू फैलाव का मापन है, जो यह बताता है कि किसी डेटा सेट में डेटा कितना फैला हुआ या भिन्न है। इन मापों को समझने से डेटा की गहन व्याख्या करने, भिन्नता की पहचान करने और यहां तक ​​कि अधिक सटीक पूर्वानुमान लगाने में मदद मिल सकती है। यह लेख फैलाव मापों के विभिन्न प्रकारों, डेटा विश्लेषण में उनके महत्व और आमतौर पर उपयोग की जाने वाली गणना विधियों पर चर्चा करेगा।

सांख्यिकी में प्रकीर्णन और इसके महत्व को समझना

फैलाव या परिवर्तनशीलता, वितरण के केंद्र के चारों ओर डेटा के फैलाव की सीमा को संदर्भित करता है। वितरण का केंद्र डेटा का माध्य, माध्यिका या बहुलक हो सकता है। फैलाव के माप महत्वपूर्ण हैं क्योंकि वे अतिरिक्त जानकारी प्रदान करते हैं जो केंद्रीय प्रवृत्ति के माप (जैसे माध्य या माध्यिका) प्रदान नहीं कर सकते।

दो डेटा सेटों का माध्य समान हो सकता है, लेकिन प्रसरण के संदर्भ में उनमें महत्वपूर्ण अंतर हो सकता है। उदाहरण के लिए, यदि दो अलग-अलग कक्षाओं के परीक्षा अंकों का माध्य समान है, लेकिन एक कक्षा के अंक 90-100 के बीच हैं और दूसरी कक्षा के 50-100 के बीच हैं, तो दूसरी कक्षा में अधिक प्रसरण है। इस संदर्भ में, प्रसरण के माप हमें डेटा मूल्यों में विविधता को समझने में मदद कर सकते हैं।

फैलाव माप के प्रकार

सांख्यिकी में कई प्रकार के प्रकीर्णन मापन का उपयोग किया जाता है, जिनमें से प्रत्येक के अपने-अपने फायदे और नुकसान हैं। कुछ सबसे सामान्य मापन इस प्रकार हैं:

1. रेंज
2. विचरण
3. मानक विचलन
4. माध्य निरपेक्ष विचलन (एमएडी)
5. अंतरचतुर्थक अंतरामापी (IQR)

1. रेंज

रेंज, फैलाव का सबसे सरल माप है और इसकी गणना डेटा सेट में सबसे बड़े मान से सबसे छोटे मान को घटाकर की जाती है। गणितीय रूप से:

[सीमा = अधिकतम मान – न्यूनतम मान]

यह रेंज आसानी से गणना योग्य है और परिवर्तनशीलता का त्वरित अवलोकन प्रदान करती है। हालांकि, यह रेंज आउटलायर्स के प्रति बहुत संवेदनशील है। इसलिए, यदि डेटा में अत्यधिक मान हैं, तो यह रेंज डेटा के समग्र फैलाव का गलत चित्र प्रस्तुत कर सकती है।

2. विचरण

विचरण, प्रत्येक डेटा मान और समग्र माध्य के बीच वर्ग अंतरों का औसत निकालकर डेटा के फैलाव को मापता है। जनसंख्या विचरण (σ²) का सूत्र इस प्रकार है:

[ σ² = (xᵢ – mu)²)N का योगफल प्राप्त होता है]

नमूना (s²) के लिए, सूत्र को थोड़ा संशोधित किया जाता है:

[ s^2 = \frac{\sum_{i=1}^n (x_i – \bar{x})^2}{n-1} \]

यहां, \( x_i \) प्रत्येक डेटा मान है, \( \mu \) जनसंख्या माध्य है, \( \bar{x} \) नमूना माध्य है, \( N \) जनसंख्या का आकार है, और \( n \) नमूने का आकार है। प्रसरण चरम मानों को अधिक महत्व देता है क्योंकि यह अंतरों का वर्ग करता है। यह उपयोगी हो सकता है, लेकिन इससे प्रसरण अपने मूल पैमाने में कम सहज हो जाता है।

3. मानक विचलन

मानक विचलन, विचरण का वर्गमूल होता है और इसमें भी मूल डेटा के समान ही इकाइयाँ उपयोग की जाती हैं, जिससे इसे समझना आसान हो जाता है:

[ σ = √σ²]

मानक विचलन फैलाव के सबसे अधिक उपयोग किए जाने वाले मापों में से एक है क्योंकि यह वर्ग परिवर्तनों को संयोजित करता है और फिर उन्हें मूल पैमाने पर वापस कम कर देता है, जिससे कई लोगों के लिए इसकी व्याख्या करना आसान हो जाता है।

4. माध्य निरपेक्ष विचलन (एमएडी)

MAD प्रत्येक डेटा मान और समग्र माध्य के बीच अंतर के निरपेक्ष औसत को मापता है। इसका सूत्र इस प्रकार है:

[ \text{MAD} = \frac{\sum_{i=1}^n |x_i – \bar{x}|}{n} \]

MAD फैलाव का अधिक स्पष्ट दृश्य प्रदान करता है क्योंकि यह विचलनों का वर्ग नहीं करता है, और इसलिए यह विचरण या मानक विचलन की तुलना में आउटलायर्स से कम प्रभावित होता है।

5. अंतरचतुर्थक अंतरामापी (IQR)

आईक्यूआर पहले चतुर्थक (Q1) और तीसरे चतुर्थक (Q3) के बीच की दूरी को मापता है, जिसमें डेटा का मध्य 50% भाग शामिल होता है:

[ IQR = Q3 – Q1 ]

आईक्यूआर का उपयोग अक्सर बॉक्स प्लॉट के साथ किया जाता है और यह विशेष रूप से आउटलायर्स की पहचान करने में उपयोगी होता है। चूंकि यह केवल डेटा के मध्य भाग पर केंद्रित होता है, इसलिए आईक्यूआर चरम मानों से कम प्रभावित होता है और इसका उपयोग अक्सर एक्सप्लोरेटरी डेटा एनालिसिस में किया जाता है।

अनुप्रयोग और केस उदाहरण

फैलाव माप के उपयोग को बेहतर ढंग से समझने के लिए, आइए विभिन्न क्षेत्रों में अनुप्रयोगों के कुछ उदाहरणों पर नज़र डालें।

1. कर्मचारी प्रदर्शन मापन

मानव संसाधन प्रबंधन (एचआरएम) में, कर्मचारी प्रदर्शन मापन एक ऐसा क्षेत्र है जहाँ फैलाव मापन का अक्सर उपयोग किया जाता है। विचरण या मानक विचलन का उपयोग करके, मानव संसाधन यह पहचान सकता है कि कर्मचारियों के बीच प्रदर्शन रेटिंग कितनी व्यापक रूप से वितरित हैं। यदि विचरण अधिक है, तो मूल्यांकन प्रणाली में असमानता या प्रदर्शन में असंगति हो सकती है।

2. वित्तीय जोखिम विश्लेषण

वित्त में, विचरण और मानक विचलन जैसे फैलाव मापों का उपयोग निवेश के जोखिम की गणना करने के लिए किया जाता है। उच्च मानक विचलन वाले पोर्टफोलियो को अधिक जोखिम भरा माना जाता है क्योंकि उनके संभावित नकदी प्रवाह अधिक अस्थिर होते हैं। यह माप निवेशकों को अधिक सोच-समझकर निर्णय लेने में मदद कर सकता है।

3. चिकित्सा विज्ञान अनुसंधान

चिकित्सा अनुसंधान में, उपचार के प्रति रोगी की प्रतिक्रिया में भिन्नता को समझने के लिए फैलाव माप का उपयोग किया जाता है। रोगी की प्रतिक्रिया में उच्च भिन्नता व्यक्तिगत उपचार की आवश्यकता या उपचार परिणामों को प्रभावित करने वाले अन्य कारकों की जांच का संकेत दे सकती है।

विभिन्न फैलाव मापों के लाभ और हानियाँ

प्रकीर्णन को मापने की प्रत्येक विधि के अपने फायदे और नुकसान होते हैं। सबसे उपयुक्त विधि का चुनाव डेटा के संदर्भ और विश्लेषण के उद्देश्य पर निर्भर करता है।

– रेंज: इसका फायदा यह है कि इसकी गणना करना आसान है, लेकिन यह आउटलायर्स के प्रति बहुत संवेदनशील है।
– विचरण: यह फैलाव की स्पष्ट व्याख्या प्रदान करता है, लेकिन वर्गों में माप होने के कारण यह कम सहज ज्ञान युक्त लगता है।
– मानक विचलन: बहुत उपयोगी और सहज ज्ञान युक्त, लेकिन यह भी असामान्य मानों से प्रभावित होता है।
– MAD: यह असामान्यताओं से कम प्रभावित होता है और इसे समझना आसान होता है, लेकिन व्यवहार में इसका उपयोग शायद ही कभी किया जाता है।
– आईक्यूआर: आउटलायर्स के बिना फैलाव की पहचान करने में बहुत प्रभावी है, लेकिन बाहरी डेटा को कवर नहीं करता है।

निष्कर्ष

सांख्यिकी में प्रकीर्णन माप एक महत्वपूर्ण घटक है, जो डेटा सेट में भिन्नता की जानकारी प्रदान करता है। प्रकीर्णन को मापने की विभिन्न विधियों, जैसे कि रेंज, विचरण, मानक विचलन, एमएडी और आईक्यूआर को समझकर, हम डेटा का अधिक गहन विश्लेषण कर सकते हैं और उसके आधार पर बेहतर निर्णय ले सकते हैं। विधि का चुनाव डेटा की विशेषताओं और हमारे विश्लेषण के उद्देश्य पर निर्भर करता है, और प्रत्येक विधि के लाभ और हानियों को समझकर, हम प्रकीर्णन मापों का अधिक प्रभावी ढंग से उपयोग कर सकते हैं।